【图像识别】基于卷积神经网络CNN和支持向量机SVM实现花卉图像识别附matlab代码

本文涉及的产品
视觉智能开放平台,分割抠图1万点
视觉智能开放平台,视频通用资源包5000点
视觉智能开放平台,图像通用资源包5000点
简介: 【图像识别】基于卷积神经网络CNN和支持向量机SVM实现花卉图像识别附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

针对传统图像分类算法在泛化能力等方面存在的不足,结合当前的深度学习算法,提出一种基于卷积神经网络与SVM的图像识别方法.对此,文章首先以深度学习算法中比较典型的卷积神经网络进行介绍,并重点对原理和训练过程进行介绍;然后构建卷积神经网络结构和SVM分类器,最后以水果图像为例,通过MATLAB对上述模型进行编程仿真.结果表明本文提出的算法在识别的错误率方面都要明显优于单一的算法,进而验证了本文算法的可行性,为当前图像的识别提供了新的参考与借鉴.

⛄ 部分代码

% SVM

clc;

clear all;                

%% 鍒掑垎鏁版嵁闆�pwd='.\data'; % 璺緞

currentPath = pwd;  % 鑾峰緱褰撳墠鐨勫伐浣滅洰褰�fprintf('鍔犺浇鏁版嵁...');

t = tic;


imdsImage = imageDatastore(fullfile(pwd),'IncludeSubfolders',true,'LabelSource','foldernames');   % 杞藉叆鎵�湁鍥剧墖闆嗗悎

imdsImage.ReadFcn = @readAndPreproc;

numImages = length(imdsImage.Files); %鍥剧墖鎬荤殑寮犳暟

[imdsTrain,imdsTest] = splitEachLabel(imdsImage, 0.8,'randomized');%姣忎釜绫婚兘鎸夋瘮渚嬮殢鏈烘媶鍒嗘暟鎹泦锛岃缁冮泦鍜屾祴璇曢泦8锛�锛�


fprintf('瀹屾垚 %.02f 绉抃n', toc(t));


countEachLabel(imdsTrain)


%% 鎼缓SVM妯″瀷

rng('default');


nTrain = length(imdsTrain.Labels);

nTest = length(imdsTest.Labels);

for i=1:nTrain

   I=readimage(imdsTrain,i);

   I=imresize(I,[25 25]); % 璋冩暣澶у皬 鍑忓皯杩愮畻鏃堕棿

   I_gray=rgb2gray(I);

   

   Train(:,i)=double(I_gray(:));

   

end

YTrain=double(imdsTrain.Labels);


for i=1:nTest

   I=readimage(imdsTest,i);

   I=imresize(I,[25 25]); % 璋冩暣澶у皬 鍑忓皯杩愮畻鏃堕棿

   I_gray=rgb2gray(I);

   Test(:,i)=double(I_gray(:));

   

end

YTest=double(imdsTest.Labels);

% 璁粌

t = tic;

SVMModel=fitcecoc(Train',YTrain);

fprintf('璁粌缁撴潫鑺辫垂鏃堕棿锛�%.02f 鍒嗛挓\n', toc(t)/60);

%% 娴嬭瘯 + 璇勪及鎸囨爣

YPred = predict(SVMModel,Test');


accuracy = sum(YPred == YTest)/numel(YTest)


save SVM_NET.mat SVMModel

⛄ 运行结果

⛄ 参考文献

[1]刘福珍. 基于卷积神经网络法和支持向量机法的影像科图像识别方法:, CN108389187A[P]. 2018.

[2]杨红云, 黄琼, 孙爱珍,等. 基于卷积神经网络和支持向量机的水稻种子图像分类识别[J]. 中国粮油学报, 2021(012):036.

⛄ 完整代码

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
1月前
|
机器学习/深度学习 数据采集 算法
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
【CNN-BiLSTM-attention】基于高斯混合模型聚类的风电场短期功率预测方法(Python&matlab代码实现)
106 4
|
8天前
|
机器学习/深度学习 安全 Serverless
【创新未发表】【故障诊断】基于连续小波变换-CNN, ResNet, CNN-SVM, CNN-BiGRU, CNN-LSTM的故障诊断研究【凯斯西储大学数据】(Matlab代码实现)
【创新未发表】【故障诊断】基于连续小波变换-CNN, ResNet, CNN-SVM, CNN-BiGRU, CNN-LSTM的故障诊断研究【凯斯西储大学数据】(Matlab代码实现)
|
16天前
|
机器学习/深度学习 传感器 数据采集
基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)
基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)
103 0
|
19天前
|
机器学习/深度学习 传感器 数据采集
【故障识别】基于CNN-SVM卷积神经网络结合支持向量机的数据分类预测研究(Matlab代码实现)
【故障识别】基于CNN-SVM卷积神经网络结合支持向量机的数据分类预测研究(Matlab代码实现)
|
26天前
|
机器学习/深度学习 传感器 边缘计算
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)
|
27天前
|
机器学习/深度学习 数据采集 TensorFlow
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
基于CNN-GRU-Attention混合神经网络的负荷预测方法(Python代码实现)
|
1月前
|
机器学习/深度学习 算法 物联网
基于WOA-CNN-LSTM-Attention、CNN-LSTM-Attention、WOA-CNN-LSTM、CNN-LSTM、LSTM、CNN6模型多变量时序预测一键对比研究(Matlab代码)
基于WOA-CNN-LSTM-Attention、CNN-LSTM-Attention、WOA-CNN-LSTM、CNN-LSTM、LSTM、CNN6模型多变量时序预测一键对比研究(Matlab代码)
|
2月前
|
机器学习/深度学习 人工智能 PyTorch
零基础入门CNN:聚AI卷积神经网络核心原理与工业级实战指南
卷积神经网络(CNN)通过局部感知和权值共享两大特性,成为计算机视觉的核心技术。本文详解CNN的卷积操作、架构设计、超参数调优及感受野计算,结合代码示例展示其在图像分类、目标检测等领域的应用价值。
164 7
|
3月前
|
机器学习/深度学习 数据采集 监控
基于CNN卷积神经网络和GEI步态能量提取的步态识别算法matlab仿真,对比不同角度下的步态识别性能
本项目基于CNN卷积神经网络与GEI步态能量提取技术,实现高效步态识别。算法使用不同角度(0°、45°、90°)的步态数据库进行训练与测试,评估模型在多角度下的识别性能。核心流程包括步态图像采集、GEI特征提取、数据预处理及CNN模型训练与评估。通过ReLU等激活函数引入非线性,提升模型表达能力。项目代码兼容Matlab2022a/2024b,提供完整中文注释与操作视频,助力研究与应用开发。
|
6月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
378 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能